头条 GSMA：6G网络所需中频段频谱是当前三倍 日前，代表全球移动生态系统的GSMA发布了题为《2040年愿景：面向未来移动连接的频谱》（Vision 2040: Spectrum for the Future of Mobile Connectivity）的研究报告。 这是一份针对即将到来的“6G”时代频谱需求的全球综合评估报告。报告得出结论：为满足数据、AI赋能型服务及先进数字应用的激增需求，新一代6G网络所需中频段频谱可能达到当前常规可用量的三倍。到2035年至2040年，各国平均需2-3GHz中频段频谱，以满足高需求城市地区的移动网络容量需求，其中高需求国家则需2.5-4GHz。 最新资讯 Nordic携手OQ共同实现直连NTN LEO卫星技术 商用nRF9151模组运行Nordic标准蜂窝物联网软件堆栈，通过OQ Technology全整合式3GPP兼容NTN NB-IoT无线接入网及5G核心网实现连接。 发表于：12/23/2025 美国腾退占用7.125–7.4 GHz频段的联邦系统 12月22日消息，据悉，白宫于12月19日发布消息称，美国总统唐纳德·特朗普当日签署总统备忘录，正式启动美国6G频谱战略布局，旨在“赢得6G竞赛”，确保美国在下一代通信技术中的全球主导地位。 发表于：12/23/2025 美国“星链”一卫星或爆炸失联 可能对其他在轨运行卫星构成威胁 12 月 22 日消息，据央视新闻报道，美国太空探索技术公司（SpaceX）旗下“星链”计划的一颗卫星日前在太空中发生异常，产生了少量碎片并与地面失去联系。 发表于：12/22/2025 SpaceX罕见披露卫星失联事故 12月19日，近期备受资本市场关注的SpaceX罕见披露了一起在轨卫星事故。据“星链”官方账号披露，本周三，第35956号星链卫星发生异常事故，在距离地面418公里处失联。异常导致卫星的推进剂储罐泄漏，高度迅速下降4公里，并释放出少量碎片。 发表于：12/22/2025 中国移动研究院发布“泛在实时通信网络原型1.0” 2025年12月17日，中国移动研究院联合华为公司发布了“泛在实时通信网络（Ubiquitous Real-time Communication Network）原型1.0”，标志着泛在实时通信网络领域研究成果从理论架构走向技术实践，为未来实时通信网络的创新发展奠定关键基础。 发表于：12/22/2025 全新量子纠缠技术框架助无人机和机器人无信号通信 12 月 21 日消息，据科技媒体 Interesting Engineering 今天报道，美国弗吉尼亚理工大学博士 Alexander DeRieux 最近推出一种新框架，有望让机器人、无人机在没有信号的情况下也能通信。 发表于：12/22/2025 中国互联网络信息中心发布“.CN”域名技术迁移手册 12 月 17 日消息，中国互联网络信息中心于 2025 年 12 月 15 日发布《域名迁移技术指导手册》（以下简称《手册》）。 发表于：12/18/2025 英特尔发布IT数据中心战略白皮书 近日，英特尔（Intel）发布了IT数据中心策略白皮书，显示该公司的信息技术部门（Intel IT）凭借其创新的数据中心战略，成功实现了显著的成本节省与效率提升。从2010年至2024年，Intel IT 数据中心战略的累积节省金额已超过114.1亿美元。 发表于：12/18/2025 基于专利分析的6G天地一体化网络编码技术发展研究 随着第六代移动通信技术（6th Generation，6G）通信技术的快速发展，天地一体化网络因其全球无缝覆盖能力成为研究热点。基于专利分析方法，系统研究了6G天地一体化网络中的编码技术发展态势，聚焦Turbo码、低密度奇偶校验码（Low-Density Parity-Check Code，LDPC码）、Polar码和人工智能编码（Artificial Intelligence coding，AI coding）四大技术分支。通过对2016~2025年全球专利数据的分析，揭示了技术演进趋势、区域竞争格局和创新主体分布。研究发现：韩国在专利数量上领先，中国在Polar码领域具有优势，AI编码技术占比超过50%但标准化仍处早期阶段。该研究还识别了高动态信道适配、星地协同优化等关键技术空白，为6G编码技术研发和标准制定提供了战略参考。 发表于：12/17/2025 基于GAN和集成学习的电力系统网络入侵检测方法 针对现有入侵检测方法在面临高维数据非线性关联和样本分布不均衡的网络监测数据时存在检测准确率低和对少数类攻击漏检率高的问题，提出一种基于生成对抗网络（GAN）与集成学习的电力系统网络入侵检测方法。首先，利用GAN生成与真实分布一致的合成攻击样本，有效缓解数据不均衡问题；其次，通过稀疏自编码器（SAE）对高维特征进行非线性降维，提取低维判别性特征以克服维度灾难；最后，构建Bagging集成学习框架，融合K-means、层次聚类和高斯混合模型（GMM）的异构基学习器，并采用DBSCAN元学习器对聚类结果进行二次分析，提升检测鲁棒性。基于KDD CUP99数据集的实验表明，所提方法在数据增强后使少数类样本占比从2.6%提升至17.7%，检测准确率达96.4%，误检率低至7.3%，尤其少数类关键攻击的召回率超过97.6%。相较于传统方法显著提升了复杂攻击场景下的检测性能，为电力系统网络安全防护提供了新思路。 发表于：12/17/2025 «12345678910…»
